CN117857929A - 一种用于色度还原校正的图像处理方法及系统 - Google Patents
一种用于色度还原校正的图像处理方法及系统 Download PDFInfo
- Publication number
- CN117857929A CN117857929A CN202211223556.8A CN202211223556A CN117857929A CN 117857929 A CN117857929 A CN 117857929A CN 202211223556 A CN202211223556 A CN 202211223556A CN 117857929 A CN117857929 A CN 117857929A
- Authority
- CN
- China
- Prior art keywords
- image
- chromaticity
- reference object
- standard
- actual
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012937 correction Methods 0.000 title claims abstract description 79
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 65
- 238000006243 chemical reaction Methods 0.000 claims abstract description 39
- 238000011156 evaluation Methods 0.000 claims abstract description 20
- 238000005286 illumination Methods 0.000 claims description 30
- 238000001914 filtration Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 13
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims 2
- 238000009877 rendering Methods 0.000 claims 1
- 238000011161 development Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 7
- 238000013461 design Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004737 colorimetric analysis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000000975 dye Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000000049 pigment Substances 0.000 description 1
- 239000012925 reference material Substances 0.000 description 1
- 239000013558 reference substance Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N9/00—Details of colour television systems
- H04N9/64—Circuits for processing colour signals
- H04N9/643—Hue control means, e.g. flesh tone control
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N9/00—Details of colour television systems
- H04N9/64—Circuits for processing colour signals
- H04N9/646—Circuits for processing colour signals for image enhancement, e.g. vertical detail restoration, cross-colour elimination, contour correction, chrominance trapping filters
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像色度校正技术领域，具体涉及一种用于色度还原校正的图像处理方法及系统，该方法包括选择至少一个基准物，在标准环境中获取包含基准物的第一图像，并获取第一图像中基准物的标准色度；在目标环境中获取包含基准物的第二图像，并对第二图像进行预评估；若第二图像的预评估结果符合要求，获取第二图像中基准物的实际色度；若第二图像中基准物的实际色度与第一图像中基准物的标准色度的色度偏差大于设定值，构建色度校正模型，获取第二图像中基准物的实际色度与第一图像中基准物的标准色度之间的转换关系，并利用转换关系对第二图像中基准物的实际色度进行校正。运用该方法实现了不同场景下图像实际色度向标准色度的快速准确校正。
Description
技术领域
本发明涉及图像色度校正技术领域，具体涉及一种用于色度还原校正的图像处理方法及系统。
背景技术
近年来随着相机、手机或其他具有拍摄功能的移动终端的发展，进行比色分析与量化表征的方法得到了广泛关注和研究，一方面拍照设备的便捷性与检测设备的轻便性高度匹配，另一方面具有高分辨率摄像头、高速运算能力的智能设备为实现待测物的精准测定提供了有力保障。
传统的比色分析方法主要依靠人眼目测，不仅测试效率低，同时难以精确量化。随着摄影摄像等技术的飞速发展，进行定量检测的硬件条件基本已具备，智能手机等平台也具有越来越先进的计算与图像处理能力。利用拍照等方法进行目标物定量检测的关键是色度信息的快速准确识别。然而在实际测试过程中，设备硬件、相机设置、现场光源条件、拍摄角度/距离等方面的差异均可以导致对同一个体系产生相差甚远的拍摄结果，往往需要对色度进行还原校正，使其统一到一个标准下进行分析。因此，通过图像处理对比色结果进行评价、分析、优化乃至色度校正具有重要的现实意义。
已有研究者提出了一些用于色度校正的方法，如使用转换矩阵方式进行颜色还原，但是相关方法大多不够系统，难以用于解决复杂实际问题，特别是大多数方法不可避免地会造成图像色度失真，严重影响了比色定量的精度。
因此，亟需一种用于色度还原校正的图像处理方法及系统。
发明内容
本发明为解决现有技术设备无法实现在不同场景下将图像实际色度向标准色度的准确校正的问题，提供了一种用于色度还原校正的图像处理方法及系统。
本发明为了实现上述目的，本发明第一方面提供了一种用于色度还原校正的图像处理方法，该方法包括如下步骤：
S1、选择至少一个基准物，在标准环境中获取包含所述基准物的第一图像，并获取第一图像中所述基准物的标准色度；
S2、在目标环境中获取包含所述基准物的第二图像，并对第二图像进行预评估；
S3、若第二图像的预评估结果符合要求，获取第二图像中所述基准物的实际色度；
S4、若第二图像中所述基准物的实际色度与第一图像中所述基准物的标准色度的色度偏差大于设定值，构建色度校正模型，获取第二图像中所述基准物的实际色度与第一图像中所述基准物的标准色度之间的转换关系，并利用所述转换关系对第二图像中所述基准物的实际色度进行校正。
优选地，在步骤S3中，还包括：
若第二图像的预评估结果不符合要求，则返回执行步骤S2。
优选地，所述对第二图像进行预评估，具体包括：
对第二图像的像素、清晰度、对比度、信噪比、倾斜度、色温、噪声、光照强度和光均匀度进行预评估。
优选地，第二图像的色温的区间为2000-8000K，第二图像的光照强度的区间为200-10000Lux。
优选地，在步骤S4中，还包括：
若第二图像中所述基准物的实际色度与第一图像中所述基准物的标准色度的色度偏差不大于设定值，则不进行校正处理。
优选地，在步骤S4中，所述构建色度校正模型之前包括：
若第二图像的光照强度和色温未在第一图像的标准光照强度和标准色温的区间内，则采用校正算法分别将其校正至所述标准光照强度和所述标准色温的区间内；
优选地，所述校正算法包括Retinex算法；
优选地，所述标准光照强度的区间为3300-3700Lux，所述标准色温的区间为3800-4200K。
优选地，在步骤S4中，所述构建色度校正模型之前还包括：
根据第一图像的图像精度，对第二图像进行滤波处理；
优选地，对第二图像进行滤波处理的方法采用中值滤波法、均值滤波法和高斯滤波法中的至少一种。
优选地，在步骤S4中，通过神经网络算法或多元非线性拟合法构建所述色度校正模型。
优选地，在步骤S4中，所述利用所述转换关系对第二图像中所述基准物的实际色度进行校正，具体包括：
利用所述转换关系使第二图像中所述基准物的实际色度与第一图像中所述基准物的标准色度的色度偏差不大于设定值。
优选地，所述基准物包括显色设备和标准色卡。
优选地，第一图像中所述基准物的标准色度和第二图像中所述基准物的实际色度为同一色度体系，所述色度体系包括RGB、HSV、CMYK和LAB。
优选地，所述标准环境为实验室环境。
本发明为了实现上述目的，本发明第二方面提供了一种用于色度还原校正的图像处理系统，应用于所述的方法，该系统包括：
基准物的标准色度获取模块，用于选择至少一个基准物，在标准环境中获取包含所述基准物的第一图像，并获取第一图像中所述基准物的标准色度；
图像预评估模块，用于在目标环境中获取包含所述基准物的第二图像，并对第二图像进行预评估；
基准物的实际色度获取模块，用于若第二图像的预评估结果符合要求，获取第二图像中所述基准物的实际色度；
色度校正模块，用于若第二图像中所述基准物的实际色度与第一图像中所述基准物的标准色度的色度偏差大于设定值，构建色度校正模型，获取第二图像中所述基准物的实际色度与第一图像中所述基准物的标准色度之间的转换关系，并利用所述转换关系将第二图像中所述基准物的实际色度校正至第一图像中所述基准物的标准色度。
根据上述技术方案，基于该方法，通过在当第二图像中所述基准物的实际色度与第一图像中所述基准物的标准色度的色度偏差大于设定值时，构建色度校正模型，获取第二图像中所述基准物的实际色度与第一图像中所述基准物的标准色度之间的转换关系，并利用所述转换关系对第二图像中所述基准物的实际色度进行校正，实现了在不同场景下图像实际色度向标准色度的准确校正，具有操作简单、应用范围广的优点。
附图说明
图1是用于色度还原校正的图像处理方法的流程图；
图2是用于色度还原校正的图像处理系统的示意图；
图3是RGB色度体系下采用多元非线性拟合法的色度校正效果图；
图4是第二图像的滤波处理效果图；
图5是第二图像的光照强度的校正效果梯度图。
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。
在本申请的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示相对重要性，或者隐含指明所指示的技术特征的数量。由此，除非另有说明，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征；“多个”的含义是两个或两个以上。术语“包括”及其任何变形，意为不排他的包含、可能存在或添加一个或更多其他特征、单元、组件和/或其组合。
此外，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，或是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。
本发明第一方面提供了一种用于色度还原校正的图像处理方法，如图1所示，该方法包括如下步骤：
S1、选择至少一个基准物，在标准环境中获取包含所述基准物的第一图像，并获取第一图像中所述基准物的标准色度；
S2、在目标环境中获取包含所述基准物的第二图像，并对第二图像进行预评估；
S3、若第二图像的预评估结果符合要求，获取第二图像中所述基准物的实际色度；
S4、若第二图像中所述基准物的实际色度与第一图像中所述基准物的标准色度的色度偏差大于设定值，构建色度校正模型，获取第二图像中所述基准物的实际色度与第一图像中所述基准物的标准色度之间的转换关系，并利用所述转换关系对第二图像中所述基准物的实际色度进行校正。
根据上述技术方案，基于该方法，通过在当第二图像中所述基准物的实际色度与第一图像中所述基准物的标准色度的色度偏差大于设定值时，构建色度校正模型，获取第二图像中所述基准物的实际色度与第一图像中所述基准物的标准色度之间的转换关系，并利用所述转换关系对第二图像中所述基准物的实际色度进行校正，实现了在不同场景下图像实际色度向标准色度的准确校正，具有操作简单、应用范围广的优点。
在本发明所述的用于色度还原校正的图像处理方法中，步骤S1中，具体地，所述基准物包括显色设备和标准色卡。所述标准环境为实验室环境也可以为满足要求的其他环境。在具体的实施方式中，所述基准物的选取需要基本涵盖实际拍摄过程中可能涉及的关键色度特点，同时材质与实验室涉及的体系尽可能接近，可以为固体或者液体，所述基准物可以直接采用发生显色反应的显色设备，也可以采用不同色度染料后的显色设备本体或类似材质的体系，针对某些体系可以采用标准色卡等有助于获得精确色彩信息且能长期保存的所述基准物。进一步地，在实验室环境中采用拍摄设备对所述基准物进行拍照，以获得包含所述基准物的第一图像，并获取第一图像中所述基准物的标准色度。其中，拍摄设备包括相机、手机、摄像头、扫描仪、监控等各类能够获得色彩信息的设备。
在本发明所述的用于色度还原校正的图像处理方法中，步骤S2中，所述目标环境可为实际应用过程中的任何环境。在具体的实施方式中，在任意环境下采用拍摄设备对所述基准物进行拍照，以获得包含所述基准物的第二图像，并对第二图像的像素、清晰度、对比度、信噪比、倾斜度、色温、噪声、光照强度和光均匀度进行预评估，以使其满足要求，从而提高图像色度校正的准确性。其中，具体地，所述第二图像的色温的区间为2000-8000K，所述第二图像的光照强度的区间为200-10000Lux。
在本发明所述的用于色度还原校正的图像处理方法中，步骤S3中，在具体的实施方式中，若第二图像的预评估结果不符合要求，则返回执行步骤S2，直至获得符合要求的第二图像；若第二图像的预评估结果符合要求，获取第二图像中所述基准物的实际色度，并进入步骤S4；其中，第一图像中所述基准物的标准色度与第二图像中所述基准物的实际色度为同一色度体系，以保证色度校正的准确性，具体地，所述色度体系包括RGB、HSV、CMYK和LAB。
在本发明所述的用于色度还原校正的图像处理方法中，步骤S4中，在具体的实施方式中，若第二图像中所述基准物的实际色度与第一图像中所述基准物的标准色度的色度偏差不大于设定值，则不进行校正处理；若第二图像中所述基准物的实际色度与第一图像中所述基准物的标准色度的色度偏差大于设定值，则构建色度校正模型。其中，设定值根据实际应用场景以及精度要求确定，通常为5％。在优选的实施方式中，在构建所述色度校正模之前包括若第二图像的光照强度和色温未在第一图像的标准光照强度和标准色温的区间内，则采用校正算法分别将其校正至所述标准光照强度和所述标准色温的区间内；优选地，所述校正算法包括Retinex算法(图像增强算法)。所述标准光照强度的区间为3300-3700Lux，所述标准色温的区间为3800-4200K，更优选地，所述标准光照强度为3500Lux，所述标准色温为4000K。在更优选的实施方式中，在构建所述色度校正模之前还包括根据第一图像的图像精度及其他图像特征，对第二图像进行滤波处理；具体地，对第二图像进行滤波处理的方法采用中值滤波法、均值滤波法和高斯滤波法中的至少一种，以降低图像色彩总体平均失真度。
进一步地，在步骤S4中，在具体的实施方式中，通过神经网络算法或多元非线性拟合法构建所述色度校正模型，以获取第二图像中所述基准物的实际色度与第一图像中所述基准物的标准色度之间的转换关系，并利用所述转换关系对第二图像中所述基准物的实际色度进行校正。具体地，所述利用所述转换关系对第二图像中所述基准物的实际色度进行校正，具体包括利用所述转换关系使第二图像中所述基准物的实际色度与第一图像中所述基准物的标准色度的色度偏差不大于设定值，从而通过所述转换关系将不同场景下图像的实际色度向实验室环境下图像的标准色度校正。其中，在构建所述色度校正模型时，需要注意的情形包括：第一、在光照条件较为明确的体系中，可直接利用光学分析进行色度校正转换。第二、对于不同的体系往往有不同的最佳校正形式。示例性的，当采用神经网络算法进行神经网络训练构建色度校正模型时，由于样本数相对于传统的神经网络训练条件较少(仍需不少于10组)，需设置神经网络训练的性能值、梯度等主要指标阈值，然后多次训练，选择满足阈值要求的条件中平均误差最小者。而当采用拟合法构建校正模型时可采用包括不限于多项式、线性/非线性、幂函数、指数函数等常见方程形式，并根据体系特点选择最佳拟合形式，必要时可采用多个拟合形式进行回归，最终选择平均误差最小的形式。其中，在一种具体的实施方式中，多元非线性拟合法的拟合公式为 其中R、G、B为现场拍摄得到的色度值，R`、G`、B`为校正后的色度值。进一步，在RGB色度体系下采用多元非线性拟合法的校正效果如图3所示。
本发明第二方面提供了一种用于色度还原校正的图像处理系统，如图2所示，应用于所述的方法，该系统包括：
基准物的标准色度获取模块，用于选择至少一个基准物，在标准环境中获取包含所述基准物的第一图像，并获取第一图像中所述基准物的标准色度；
图像预评估模块，用于在目标环境中获取包含所述基准物的第二图像，并对第二图像进行预评估；
基准物的实际色度获取模块，用于若第二图像的预评估结果符合要求，获取第二图像中所述基准物的实际色度；
色度校正模块，用于若第二图像中所述基准物的实际色度与第一图像中所述基准物的标准色度的色度偏差大于设定值，构建色度校正模型，获取第二图像中所述基准物的实际色度与第一图像中所述基准物的标准色度之间的转换关系，并利用所述转换关系将第二图像中所述基准物的实际色度校正至第一图像中所述基准物的标准色度。
在本发明所述的用于色度还原校正的图像处理系统中，基于所述的方法构建出的所述系统，通过所述基准物的标准色度获取模块，可快速获取基准物在实验室环境下的第一图像中所述基准物的标准色度；通过所述图像预评估模块，可在任意场景下快速获取满足要求的第二图像；通过所述基准物的实际色度获取模块像，则可以快速获取预评估符合要求的第二图像中所述基准物的实际色度；通过色度校正模块，则可以在第二图像中所述基准物的实际色度与第一图像中所述基准物的标准色度的色度偏差大于设定值的情况下，基于色度校正模型，快速获取第二图像中所述基准物的实际色度与第一图像中所述基准物的标准色度的色度之间的转换关系，并利用所述转换关系使第二图像中所述基准物的实际色度与第一图像中所述基准物的标准色度的色度偏差不大于设定值，从而通过所述转换关系将不同场景下图像的实际色度向实验室环境下图像的标准色度校正。
在本发明中，基于所述的用于色度还原校正的图像处理方法及系统，实现了在不同场景下图像实际色度向标准色度的准确校正，具有操作简单、应用范围广的优点。
以下将通过实施例对本发明进行详细描述，但本发明的保护范围并不局限于此。
实施例1
如图1、4和5所示，一种用于色度还原校正的图像处理方法，该方法包括如下步骤：
S1、选择至少一个基准物，在标准环境中获取包含所述基准物的第一图像，并获取第一图像中所述基准物的标准色度；
S2、在目标环境中获取包含所述基准物的第二图像，并对第二图像进行预评估；
S3、若第二图像的预评估结果符合要求，获取第二图像中所述基准物的实际色度；
S4、若第二图像中所述基准物的实际色度与第一图像中所述基准物的标准色度的色度偏差大于设定值，构建色度校正模型，获取第二图像中所述基准物的实际色度与第一图像中所述基准物的标准色度之间的转换关系，并利用所述转换关系对第二图像中所述基准物的实际色度进行校正。
在具体的实施过程中，选择标准色卡作为基准物，在实验室环境下，更具体的在标准光照强度为3500Lux，标准色温为4000K的情况下，采用相机对标准色卡进行拍照以获取第一图像，并在RGB色度体系下获取第一图像中标准色卡的标准色度。接着在任一实际环境中，采用相机对同样的标准色卡进行拍照以获取第二图像，并进一步对包含标准色卡的第二图像的像素、清晰度、对比度、信噪比、倾斜度、色温、噪声、光照强度和光均匀度进行预评估，以使其满足要求，从而保证后续的色度校正精度；其中，包含标准色卡的第二图像的色温为3000K，包含标准色卡的第二图像的光照强度为3000Lux。当包含标准色卡的第二图像的预评估结果符合要求时，在RGB色度体系下获取第二图像中标准色卡的实际色度，进一步，当第二图像中标准色卡的实际色度与第一图像中标准色卡的标准色度的色度偏差大于5％时，在构建色素模型之前，根据包含标准色卡的第一图像的标准光照强度和标准色温，将包含标准色卡的第二图像的光照强度和色温采用Retinex算法分别校正至3500Lux和4000K，并进一步采用中值滤波法和高斯滤波法对包含标准色卡的第二图像进行滤波处理，从而改善第二图像质量，保证校正准确性。接着，采用多元非线性拟合法构建色度校正模型，获取第二图像中标准色卡的实际色度与第一图像中标准色卡的标准色度之间的转换关系，最终基于转换关系使第二图像中标准色卡的实际色度与第一图像中标准色卡的标准色度的色度偏差不大于设定值。
经检测，基于本发明所述的方法，使第二图像中标准色卡的实际色度与第一图像中标准色卡的标准色度的色度偏差不大于5％，符合设计要求。
实施例2
参照实施例1实施，与之不同的是包含标准色卡的第二图像的色温为3000K，包含标准色卡的第二图像的光照强度为4000Lux。
经检测，基于本发明所述的方法，使第二图像中标准色卡的实际色度与第一图像中标准色卡的标准色度的色度偏差不大于5％，符合设计要求。
实施例3
参照实施例1实施，与之不同的是在CMYK色度体系下获取第一图像中标准色卡的标准色度以及第二图像中标准色卡的实际色度。
经检测，基于本发明所述的方法，使第二图像中标准色卡的实际色度与第一图像中标准色卡的标准色度的色度偏差不大于5％，符合设计要求。
实施例4
参照实施例1实施，与之不同的是采用标准色卡和显色设备作为基准物。
经检测，基于本发明所述的方法，使第二图像中标准色卡的实际色度与第一图像中标准色卡的标准色度的色度偏差不大于5％，符合设计要求。
本发明提供的用于色度还原校正的图像处理方法及系统，通过在当第二图像中所述基准物的实际色度与第一图像中所述基准物的标准色度的色度偏差大于设定值时，构建色度校正模型，获取第二图像中所述基准物的实际色度与第一图像中所述基准物的标准色度之间的转换关系，并利用所述转换关系对第二图像中所述基准物的实际色度进行校正，实现了在不同场景下图像实际色度向标准色度的准确校正，具有操作简单、应用范围广的优点。
以上结合附图详细描述了本发明的优选实施方式，但是，本发明并不限于此。在本发明的技术构思范围内，可以对本发明的技术方案进行多种简单变型，为了避免不必要的重复，本发明对各种可能的组合方式不再另行说明。但这些简单变型和组合同样应当视为本发明所公开的内容，均属于本发明的保护范围。
Claims (13)
1.一种用于色度还原校正的图像处理方法，其特征在于，该方法包括如下步骤：
S1、选择至少一个基准物，在标准环境中获取包含所述基准物的第一图像，并获取第一图像中所述基准物的标准色度；
S2、在目标环境中获取包含所述基准物的第二图像，并对第二图像进行预评估；
S3、若第二图像的预评估结果符合要求，获取第二图像中所述基准物的实际色度；
S4、若第二图像中所述基准物的实际色度与第一图像中所述基准物的标准色度的色度偏差大于设定值，构建色度校正模型，获取第二图像中所述基准物的实际色度与第一图像中所述基准物的标准色度之间的转换关系，并利用所述转换关系对第二图像中所述基准物的实际色度进行校正。
2.根据权利要求1所述的方法，其特征在于，在步骤S3中，还包括：
若第二图像的预评估结果不符合要求，则返回执行步骤S2。
3.根据权利要求1所述的方法，其特征在于，所述对第二图像进行预评估，具体包括：
对第二图像的像素、清晰度、对比度、信噪比、倾斜度、色温、噪声、光照强度和光均匀度进行预评估。
4.根据权利要求3所述的方法，其特征在于，第二图像的色温的区间为2000-8000K，第二图像的光照强度的区间为200-10000Lux。
5.根据权利要求1所述的方法，其特征在于，在步骤S4中，还包括：
若第二图像中所述基准物的实际色度与第一图像中所述基准物的标准色度的色度偏差不大于设定值，则不进行校正处理。
6.根据权利要求1或3所述的方法，其特征在于，在步骤S4中，所述构建色度校正模型之前包括：
若第二图像的光照强度和色温未在第一图像的标准光照强度和标准色温的区间内，则采用校正算法分别将其校正至所述标准光照强度和所述标准色温的区间内；
优选地，所述校正算法包括Retinex算法；
优选地，所述标准光照强度的区间为3300-3700Lux，所述标准色温的区间为3800-4200K。
7.根据权利要求6所述的方法，其特征在于，在步骤S4中，所述构建色度校正模型之前还包括：
根据第一图像的图像精度，对第二图像进行滤波处理；
优选地，对第二图像进行滤波处理的方法采用中值滤波法、均值滤波法和高斯滤波法中的至少一种。
8.根据权利要求1所述的方法，其特征在于，在步骤S4中，通过神经网络算法或多元非线性拟合法构建所述色度校正模型。
9.根据权利要求1所述的方法，其特征在于，在步骤S4中，所述利用所述转换关系对第二图像中所述基准物的实际色度进行校正，具体包括：
利用所述转换关系使第二图像中所述基准物的实际色度与第一图像中所述基准物的标准色度的色度偏差不大于设定值。
10.根据权利要求1所述的方法，其特征在于，所述基准物包括显色设备和标准色卡。
11.根据权利要求1所述的方法，其特征在于，第一图像中所述基准物的标准色度和第二图像中所述基准物的实际色度为同一色度体系，所述色度体系包括RGB、HSV、CMYK和LAB。
12.根据权利要求1所述的方法，所述标准环境为实验室环境。
13.一种用于色度还原校正的图像处理系统，其特征在于，应用于权利要求1-12中任意一项所述的方法，该系统包括：
基准物的标准色度获取模块，用于选择至少一个基准物，在标准环境中获取包含所述基准物的第一图像，并获取第一图像中所述基准物的标准色度；
图像预评估模块，用于在目标环境中获取包含所述基准物的第二图像，并对第二图像进行预评估；
基准物的实际色度获取模块，用于若第二图像的预评估结果符合要求，获取第二图像中所述基准物的实际色度；
色度校正模块，用于若第二图像中所述基准物的实际色度与第一图像中所述基准物的标准色度的色度偏差大于设定值，构建色度校正模型，获取第二图像中所述基准物的实际色度与第一图像中所述基准物的标准色度之间的转换关系，并利用所述转换关系将第二图像中所述基准物的实际色度校正至第一图像中所述基准物的标准色度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211223556.8A CN117857929A (zh) | 2022-10-08 | 2022-10-08 | 一种用于色度还原校正的图像处理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211223556.8A CN117857929A (zh) | 2022-10-08 | 2022-10-08 | 一种用于色度还原校正的图像处理方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117857929A true CN117857929A (zh) | 2024-04-09 |
Family
ID=90535231
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211223556.8A Pending CN117857929A (zh) | 2022-10-08 | 2022-10-08 | 一种用于色度还原校正的图像处理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117857929A (zh) |
-
2022
- 2022-10-08 CN CN202211223556.8A patent/CN117857929A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Nixon et al. | Accurate device-independent colorimetric measurements using smartphones | |
| WO2013116831A1 (en) | Method and system for analyzing a colorimetric assay | |
| CN101933321A (zh) | 用于估测场景光源的图像传感器装置及方法 | |
| CN113674164B (zh) | 样品颜色校正方法、装置、电子设备及介质 | |
| CN110487737B (zh) | 用于智能手机光谱检测的图像信息提取与计算方法及系统 | |
| CN107911625A (zh) | 测光方法、装置、可读存储介质和计算机设备 | |
| CN109685853B (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
| US10567723B2 (en) | System and method for detecting light sources in a multi-illuminated environment using a composite RGB-IR sensor | |
| CN105450932A (zh) | 逆光拍照方法和装置 | |
| EP4184388A1 (en) | White balance correction method and apparatus, device, and storage medium | |
| Wang et al. | Quantification of combined color and shade changes in colorimetry and image analysis: water pH measurement as an example | |
| Nixon et al. | The importance of a device specific calibration for smartphone colorimetry | |
| WO2020131210A1 (en) | Systems and methods for detecting disease using mobile device | |
| AU2021273324A1 (en) | Assay reading method | |
| KR20170100717A (ko) | 분광반사율 추정을 이용한 피부 분석 장치 및 방법 | |
| Karlsen et al. | A smart phone-based robust correction algorithm for the colorimetric detection of Urinary Tract Infection | |
| CN114503097A (zh) | 使用移动设备进行颜色查找的方法和装置 | |
| CN112150392B (zh) | 一种低照度图像的修复方法及装置 | |
| CN117857929A (zh) | 一种用于色度还原校正的图像处理方法及系统 | |
| Kibria et al. | Smartphone-based point-of-care urinalysis assessment | |
| CN107862317B (zh) | 一种日光环境下输电设备电晕的可见光图像rgb识别方法 | |
| CN112712568B (zh) | 颜色亮度识别方法、装置、设备及介质 | |
| CN115115596A (zh) | 电子元器件检测方法、装置及自动质检设备 | |
| Fang et al. | SQAD: Automatic Smartphone Camera Quality Assessment and Benchmarking | |
| KR102226943B1 (ko) | 검출 방법 및 검출 패드 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |